计算平方不一致的总和

Question

我正在尝试在 R Studio 中为总平方和、平方和内以及平方和之间编写自己的函数，以实现我自己的 k-means。

我已经成功编写了平方和内的函数，但是我在平方和（以及 bss）方面遇到了困难。我得到的结果比 R 自己的 kmeans 函数计算的结果要大得多。我很困惑，因为我完全遵循公式提供的内容。这是我的数据：

A =

36     3
73     3
30     3
49     3
47    11
47    11
 0     7
46     5
16     3
52     4
 0     8
21     3
 0     4
57     6
31     5
 0     6
40     3
31     5
38     4
 0     5
59     4
61     6
48     7
29     2
 0     4
19     4
19     3
48     9
48     4
21     5

每一列都是一个特征。这是我迄今为止为 tss 创建的函数：

tot_sumoSq <- function(data){

  avg = mean( as.matrix(data) )
  r = matrix(avg, nrow(data), ncol(data))

  tot_sumoSq = sum( (data - r)^2 )

}

我收到结果 24342.4，但 R 给出 13244.8。我完全错过了什么吗？

Answer 1

您的程序可能有问题。您从数据框中减去一个矩阵。使用以下 -

tot_sumoSq <- function(data){
  data = as.matrix(data)
  x = sum((data - mean(data))^2)
  return(x)
}

从我的角度来看，它给出了正确的答案。

Answer 2

后一个值是使用列均值计算的。如果你用它来计算平均值，你会得到相同的答案。

  avg = colMeans(data)
  r = matrix(avg, nrow(data), ncol(data), byrow=T)
[1] 13244.8

Answer 3

通过结合前两位评论员提供的解决方案，我找到了解决问题的方法。我知道我之前的错误是什么，并希望为未来的科学家消除任何困惑。

tot_sumoSq <- function(data){

  avg = colMeans(data)
  r = matrix(avg, nrow(data), ncol(data), byrow = T)

  data = as.matrix(data)

  return( sum( (data - r)^2 ) )

}

每一列是不同特征的整个样本，所以当我们计算每一列的平均值时，它是一个特征的整个样本的平均值。我之前的概念错误是结合这两个特征来计算总体平均值。